ENVI中的异常检测工具
分享
-
2016-03-18
异常检测的目标通常是一些人造的伪装物，并且以小概率形式存在于地物场景中，人们可以根据它与背景数据的光谱差异来进行异常检测算法；ENVI提供了完整的异常检测工作流程Anomaly Detection workflow来实现该功能。
AnomalyDetection workflow使用Reed-XiaoliDetector (RXD)算法来识别测试区域与周围区域的或者整个数据集的光谱或者颜色差别，这个算法提取那些鱼与背景光谱差异的目标。RXD算法是十分有效的，在提取足够小的异常目标方面。RXD的结果是不夸张的，而且被证明是十分有效的，在检测微妙的光谱特征。ENVI使用标准的RXD算法：
RXD算法公式
其中r是样本矢量，u是样本值，KLXL是样本变异矩阵；
RXD使用在多光谱或者高光谱影像。坏值或者行显示为异常，但是他们不会影响其他的异常检测，有效的异常；对于任何光谱算法，区域坏的波段能提高结果的精度；现在这个算法不能区分出异常的两者的区别；
参考文献：
Chang, Chein-I, and Shao-Shan Chiang, 2002. Anomalydetection and classification for hyperspectral imagery. IEEE Transactions onGeoscience and Remote Sensing, Vol. 40, No. 6, pp. 1314-1325.
Reed I. S., and X. Yu, Adaptive multiple-band CFARdetection of an optical pattern with unknown spectral distribution. IEEE Trans.Acoustics, Speech and Signal Proc. 38, pp. 1760-1770, October 1990.
下面是这个工作流工具的操作步骤：
1.选择文件来进行异常检测
2.异常检测设置
3．异常阈值
4.导出异常检测结果
Select a File for AnomalyDetection
1.打开工具：Anomaly Detection > Anomaly Detection Workflow；选择文件；
2.使用msak文件；
3.点击next，异常检测窗口显示一个新的工作流，如果选择当前视窗中活动的影像，那么之前设置的亮度、对比度、拉伸等信息会被保留；
Anomaly Detection Settings
1.在异常检测面板中，选择选择其中一种算法：
—RXD是标准的RXD算法，这是默认设置；
—UTD是Uniform Target Detector的简称，它使用（1-u）来作为符合的信号，而不是（r-u），UTD和RXD提取的结果是相同的，但是他不是使用数据样本矢量，而是使用单位矢量；UTD提取背景信号作为异常，并且提供一个影像背景的良好的评估；
—RXD-UTD是一个混合的算法，使用（r-1）来匹配信号；这是一个UTD的一个变种；从RXD中减去UTD来压缩背景，增强异常；使用RXD-UTD，最好的条件是当异常具有能量级别，相比于背景；在这种情况下，使用UTD自身是无法检测异常的，但是使用RXD-UTD能够增强他们；
2.在下拉列表中选择Mean Calculation Method，你可以确定是否这个值应该被从整个数据集中分开，或者或者从像元轴距的局部克里金；默认是全局；
3.如果你选择local，那么Kernel Size字段是可用的；制定kernel size，一像元为单位，围绕着给定的像元，将会被用来创建一个平均光谱；默认值是9；可允许的值是9-99，值必须是奇数；
4.勾选上Suppress Vegetation，来抑制结果中的植被异常；当植被是影像中的最小的部分时，这个选项是最好用的；他通过计算输入影像的植被指数来起效果，然后重新塑造RXD的结果与NDVI成反比；
5.你可以勾选Preview，来预览结果。你可以改变异常检测的设置来再次预览结果；如果你的额数据量太大的话，那么将会增加处理时间和延缓预览结果；
6.点击next，异常检测将会处理；处理完成后，异常阈值面板将会显示出来；
Anomaly Thresholding
在异常阈值面板，你可以选择性的设置Anomaly Percentage Threshold。这个值分割影像为异常和非异常区域；这个阈值应该被设置足够低来最小化错误的可能，而不会排除真实的异常；
当阈值完成后，输出面板出现；
Export Anomaly Detection Results
1.在输出文件的面板中，可以输出你想要的选项，具体如下：
—Export Anomaly Detection Image：导出结果为ENVI格式的栅格；
—Export Anomaly Detection Vector：导出矢量格式的文件；支持shapefile和GDB，输出单位为平方米；
—Note依赖于影像的大小，导出矢量可能会很耗时；为了缩短导出的时间，执行clearup步骤来优先导出；
2.在附带的导出选项中，你可以选择其他的选项，结果如下：
—Export Anomaly Detection Statistics保存阈值影像的统计结果。输出的面积单位是平方米；
—Export Unthresholded Anomaly Detection Image导出非阈值的异常检测结果为影像，支持的输出格式是ENVI,GDB,TIFF；
3.点击finish来执行导出操作；导出完成之后，工作流完成，原始数据和结果数据显示在影像窗口。
文章来源：http://blog.sina.com.cn/s/blog_497c741a0102w1ca.html
AnomalyDetection workflow使用Reed-XiaoliDetector (RXD)算法来识别测试区域与周围区域的或者整个数据集的光谱或者颜色差别，这个算法提取那些鱼与背景光谱差异的目标。RXD算法是十分有效的，在提取足够小的异常目标方面。RXD的结果是不夸张的，而且被证明是十分有效的，在检测微妙的光谱特征。ENVI使用标准的RXD算法：
其中r是样本矢量，u是样本值，KLXL是样本变异矩阵；
RXD使用在多光谱或者高光谱影像。坏值或者行显示为异常，但是他们不会影响其他的异常检测，有效的异常；对于任何光谱算法，区域坏的波段能提高结果的精度；现在这个算法不能区分出异常的两者的区别；
参考文献：
Chang, Chein-I, and Shao-Shan Chiang, 2002. Anomalydetection and classification for hyperspectral imagery. IEEE Transactions onGeoscience and Remote Sensing, Vol. 40, No. 6, pp. 1314-1325.
Reed I. S., and X. Yu, Adaptive multiple-band CFARdetection of an optical pattern with unknown spectral distribution. IEEE Trans.Acoustics, Speech and Signal Proc. 38, pp. 1760-1770, October 1990.
下面是这个工作流工具的操作步骤：
1.选择文件来进行异常检测
2.异常检测设置
3．异常阈值
4.导出异常检测结果
Select a File for AnomalyDetection
1.打开工具：Anomaly Detection > Anomaly Detection Workflow；选择文件；
2.使用msak文件；
3.点击next，异常检测窗口显示一个新的工作流，如果选择当前视窗中活动的影像，那么之前设置的亮度、对比度、拉伸等信息会被保留；
Anomaly Detection Settings
1.在异常检测面板中，选择选择其中一种算法：
—RXD是标准的RXD算法，这是默认设置；
—UTD是Uniform Target Detector的简称，它使用（1-u）来作为符合的信号，而不是（r-u），UTD和RXD提取的结果是相同的，但是他不是使用数据样本矢量，而是使用单位矢量；UTD提取背景信号作为异常，并且提供一个影像背景的良好的评估；
—RXD-UTD是一个混合的算法，使用（r-1）来匹配信号；这是一个UTD的一个变种；从RXD中减去UTD来压缩背景，增强异常；使用RXD-UTD，最好的条件是当异常具有能量级别，相比于背景；在这种情况下，使用UTD自身是无法检测异常的，但是使用RXD-UTD能够增强他们；
2.在下拉列表中选择Mean Calculation Method，你可以确定是否这个值应该被从整个数据集中分开，或者或者从像元轴距的局部克里金；默认是全局；
3.如果你选择local，那么Kernel Size字段是可用的；制定kernel size，一像元为单位，围绕着给定的像元，将会被用来创建一个平均光谱；默认值是9；可允许的值是9-99，值必须是奇数；
4.勾选上Suppress Vegetation，来抑制结果中的植被异常；当植被是影像中的最小的部分时，这个选项是最好用的；他通过计算输入影像的植被指数来起效果，然后重新塑造RXD的结果与NDVI成反比；
5.你可以勾选Preview，来预览结果。你可以改变异常检测的设置来再次预览结果；如果你的额数据量太大的话，那么将会增加处理时间和延缓预览结果；
6.点击next，异常检测将会处理；处理完成后，异常阈值面板将会显示出来；
Anomaly Thresholding
在异常阈值面板，你可以选择性的设置Anomaly Percentage Threshold。这个值分割影像为异常和非异常区域；这个阈值应该被设置足够低来最小化错误的可能，而不会排除真实的异常；
当阈值完成后，输出面板出现；
Export Anomaly Detection Results
1.在输出文件的面板中，可以输出你想要的选项，具体如下：
—Export Anomaly Detection Image：导出结果为ENVI格式的栅格；
—Export Anomaly Detection Vector：导出矢量格式的文件；支持shapefile和GDB，输出单位为平方米；
—Note依赖于影像的大小，导出矢量可能会很耗时；为了缩短导出的时间，执行clearup步骤来优先导出；
2.在附带的导出选项中，你可以选择其他的选项，结果如下：
—Export Anomaly Detection Statistics保存阈值影像的统计结果。输出的面积单位是平方米；
—Export Unthresholded Anomaly Detection Image导出非阈值的异常检测结果为影像，支持的输出格式是ENVI,GDB,TIFF；
3.点击finish来执行导出操作；导出完成之后，工作流完成，原始数据和结果数据显示在影像窗口。
文章来源：http://blog.sina.com.cn/s/blog_497c741a0102w1ca.html
